JP2020053036A

JP2020053036A - データ系列の異常検出におけるビン分割された四分位数間範囲の分析のためのシステム及び方法

Info

Publication number: JP2020053036A
Application number: JP2019160779A
Authority: JP
Inventors: アジャイ・ラガバン; Raghavan Ajay; ライアン・エイ・ロッシ; A Rossi Ryan; ジュンホ・パク; Jungho Park
Original assignee: Palo Alto Research Center Inc
Current assignee: Palo Alto Research Center Inc
Priority date: 2018-09-26
Filing date: 2019-09-04
Publication date: 2020-04-02
Anticipated expiration: 2039-09-04
Also published as: EP3629197A1; JP7346176B2; US20200097351A1; US11157346B2

Abstract

【課題】異常検出を容易にするためのシステムを提供する。【解決手段】システムによる方法は、動作中コンピューティングデバイスによって複数のデータ点を含む試験データのセットを判定し、そのセットは、第１の変数及び１つ以上の第２の変数のデータ系列を含み、１つ以上の第２の変数は、第１の変数に依存する。試験データのセットをデータ系列のタイプに基づいていくつかの群に分割する。それぞれの群の四分位数間範囲を判定する。それぞれの群の四分位数間範囲に基づいて、それぞれの群内の第１の試験データ点を異常として分類し、それによって、複数の変数のデータ系列についてのデータマイニング及び外れ値検出を強化する。【選択図】図５

Description

本開示は、概して、異常を検出することに関する。より具体的には、本開示は、データ系列の異常検出におけるビン分割された四分位数間範囲の分析のためのシステム及び方法に関する。

異常検出又は外れ値検出は、データセット内の予期されるパターン又は他のものに適合しない項目又は事象を特定するデータマイニング方法である。異常検出は、様々な分野、例えば、製造、医療領域、及びエネルギー関連分野に関連する。例えば、製造では、エネルギー使用は、機械を有する工場又は多くの機械を有するデータセンタを運営する際などに、かなりのコストを損なう可能性がある。この目的のために、異常を特定することは、より効率的な製造システムを提供することができ、次にこれは、コストを低減し、システム及びその組成構成要素又は部品の全体的な効率を向上させることができる。

使用される異常検出方法のタイプは、必要とされる分類のタイプに基づいて異なり得る。１つの方法は、四分位数間範囲（Ｉｎｔｅｒ−ｑｕａｒｔｉｌｅＲａｎｇｅ、ＩＱＲ）方法である。ＩＱＲは、データセットを、３つの「四分位数」によって分離された４つの部分に分割することに基づくばらつきの尺度である。ＩＱＲは、第３の四分位数から減算された第１の四分位数であり、「ミッドスプレッド」又は「ミドル５０％」とも呼ばれる。ＩＱＲ分析又は方法は、異常又は外れ値を特定するために使用されることがあり、典型的には、１つのクラスのみの所与のデータ、すなわち、一次元データに使用される。

しかしながら、他の要因又は従属変数に基づいて異なる挙動を示す二次元又はより高い次元のデータセット（時系列データの２つのセットなど）では、ＩＱＲ分析は、それ自体では十分に実施されないことがある。したがって、標準的なＩＱＲ分析は、スケーリングのロバストな尺度を提供し、一次元のデータセット内の外れ値を特定することができるが、二次元のデータセットでは標準的なＩＱＲ分析は、スケーリングの正確な尺度を提供しないことがある。更に、二次元又はより高い次元のデータセットでは、標準的なＩＱＲ分析は、外れ値を特定することを潜在的に損ね得るか、又は正常なデータ点を外れ値として誤って特定することがある。これは、データマイニング及び異常検出のための非効率的なシステムをもたらし得る。

一実施形態は、異常検出を容易にするためのシステムを提供する。動作中、本システムは、コンピューティングデバイスによって、複数のデータ点を含む試験データのセットを判定し、そのセットは、第１の変数及び１つ以上の第２の変数のデータ系列を含み、１つ以上の第２の変数は、第１の変数に依存する。本システムは、試験データのセットをデータ系列のタイプに基づいていくつかの群に分割する。本システムは、それぞれの群の四分位数間範囲を判定する。本システムは、それぞれの群の四分位数間範囲に基づいて、それぞれの群内の第１の試験データ点を異常として分類し、それによって、複数の変数のデータ系列についてのデータマイニング及び外れ値検出を強化する。

いくつかの実施形態では、本システムは、コンピューティングデバイスのユーザによって、分類された異常に対処するための措置を実施する。措置には、分類された異常がもはや発生しないことを確実にするための改善措置又は是正措置、第１の変数又は１つ以上の第２の変数に影響を及ぼす物理的パラメータを調節すること、及び内部からデータ系列が取得されるデバイスの物理的構成要素を調節することのうちの１つ以上が含まれる。

いくつかの実施形態では、本システムは、コンピューティングデバイスによって、試験データの新しいセットの異常を検出するための要求を受信し、新しいセットは、第１の変数及び１つ以上の第２の変数の新しいデータ系列を含み、試験データの新しいセットは、ユーザが分類された異常に対処するために措置を実施した後に、コンピューティングデバイスによって取得される。本システムは、試験データの新しいセットを、試験データのセットのいくつか群と同じ数の新しい群に分割する。本システムは、内部の第１の試験データ点が異常として分類されたそれぞれの群に対応する、それぞれの新しい群の四分位数間範囲を判定する。本システムは、それぞれの群内の第１の試験データ点が、それぞれの新しい群内で依然として発生しているかどうかを判定し、その判定は、分類された異常に対処するためにユーザによって実施された措置が成功しているかどうかを示す。

いくつかの実施形態では、試験データのセットをいくつかの群に分割することは、アルゴリズムに基づく自動プロセス、試験データのセットを取得することに関与するセンサ又は機械の解像度、試験データのセットに関連する以前の又は履歴データであって、コンピューティングデバイスによって取得される、以前の又は履歴データ、コンピューティングデバイスのユーザの事前又は過去の知識であって、試験データのセットに関連し、かつコンピューティングデバイスのユーザによって取得される、事前又は過去の知識、並びにより高い次元のデータセットの重要な変数を表す構成要素に基づいて、試験データのセットのデータ分布を分解することであって、構成要素が、主要構成要素、導出された構成要素の結合、及び構成要素の線形結合のうちの１つ以上を含む、分解することのうちの１つ以上に基づいており、それぞれの群の四分位数間範囲を判定することは、構成要素に基づいて、四分位数分析を実施することを更に含む。

いくつかの実施形態では、試験データのセットを分割し、それぞれの群の四分位数間範囲を判定することは、異常として分類される試験データ点の存在を含む、試験データのセット内の分割された群にわたる複数の従属変数に基づいて、試験データのセット内の正規分布を自動的に分類することを更に含む。

いくつかの実施形態では、データ系列は、第１の変数及び１つ以上の第２の変数の時系列データを含み、第１の変数の時系列データは、異常検出の対象であり、１つ以上の第２の変数の時系列データは、第１の変数の時系列データに影響を及ぼす。

いくつかの実施形態では、それぞれの群の四分位数間範囲を判定することは、それぞれの群内の第２の試験データのセットを、第２の試験データのセットの中央値に基づいて４つの部分に分割することを更に含み、４つの部分を分離する３つの値は、第１の四分位数、第２の四分位数、及び第３の四分位数であり、四分位数間範囲は、第１の四分位数と第３の四分位数との間の差である。それぞれの群の四分位数間範囲を判定することは、第１の四分位数から、所定の値によってスケーリングされた四分位数間範囲に等しい第１の量を減算することによって、第２の試験データのセットの下限を特定することと、第３の四分位数に、所定の値によってスケーリングされた四分位数間範囲に等しい第２の量を加算することによって、第２の試験データのセットの上限を特定することとを更に含む。

いくつかの実施形態では、それぞれの群内の第１の試験データ点を異常として分類することは、第１の試験データ点が下限と上限との間に収まらないと判定することに更に基づく。

いくつかの実施形態では、第２の試験データのセット内のデータ点の数が偶数２ｎ個であると判定することに応答して、本システムは、第１の四分位数を、第２のセット内のｎ個の最小データ点の中央値として設定し、第３の四分位数を、第２のセット内のｎ個の最大データ点の中央値として設定する。第２の試験データのセット内のデータ点の数が奇数２ｍ＋１個であると判定することに応答して、本システムは、第１の四分位数を、第２のセット内のｍ個の最小データ点の中央値として設定し、第３の四分位数を、第２のセット内のｍ個の最大データ点の中央値として設定し、第２の四分位数を、第２のセット内のデータ点の通常の中央値として設定する。

本発明の一実施形態による、異常検出を容易にするための例示的な環境を例示している。従来技術による、四分位数間範囲を判定するための例示的なダイアグラムを例示している。従来技術による、四分位数間範囲の分析に基づいて異常をうまく検出することができなかった例示的な結果を例示している。本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャートを提示している。本発明の一実施形態による、元の一次元データのセットの例示的な確率密度を提示している。本発明の一実施形態による、別の変数を追加した、図４Ａの一次元データの例示的な試験データを提示している。本発明の一実施形態による、例示的な試験データをビン又は群に分割することを含む、図４Ｂの例示的な試験データを提示している。本発明の一実施形態による、分割されたビン又は群の試験データに対して四分位数間範囲の分析を実施することを含む、図４Ｃの例示的な試験データを提示している。本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャートを提示している。本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャートを提示している。本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャートを提示している。本発明の一実施形態による、異常検出を容易にする例示的な分散コンピュータ及び通信システムを例示している。本発明の一実施形態による、異常検出を容易にする例示的な装置を例示している。

本明細書に記載される実施形態は、データを「ビン」に分割し、各ビンに対してＩＱＲ分析を実施することに基づいて、少なくとも２つの相互依存変数のデータ系列における異常を効率的かつ正確に特定するという問題を解決する。

上に論じられるように、異常を特定することは、多くの領域（例えば、製造、医療分野、及びエネルギー関連分野）においてより効率的なシステムを提供することができ、次に、コストを低減し、システム及びその組成構成要素又は部品の全体的な効率を向上させることができる。使用される異常検出方法のタイプは、必要とされる分類のタイプに基づいて異なり得る。１つの方法は、四分位数間範囲（ＩＱＲ）方法である。ＩＱＲは、データセットを、３つの「四分位数」によって分離された４つの部分に分割することに基づくばらつきの尺度である。ＩＱＲは、第３の四分位数から減算された第１の四分位数であり、「ミッドスプレッド」又は「ミドル５０％」とも呼ばれる。ＩＱＲ分析又は方法は、異常又は外れ値を特定するために使用されることがあり、典型的には、１つのクラスのみの所与のデータ、すなわち、一次元データに使用される。

図３に関連して以下に記載されるように、本明細書に記載される実施形態は、この課題を、最初に（各セットが相互依存変数のデータを表す）データ系列の複数のセットをいくつかの別個の群又は「ビン」に分割し、その後各ビン内のデータに対してＩＱＲ分析を実施してデータ系列内の異常を検出するシステムを提供することによって対処する。つまり、本システムは、データの少なくとも１つの他の次元又は従属変数の範囲にわたってＩＱＲ分析を実施する。

したがって、本明細書に記載される実施形態は、「ビン分割された」ＩＱＲ分析を使用して、少なくとも２つの次元又は変数にわたってデータ系列内の異常を検出する効率を向上させるコンピュータシステムを提供する。データ系列は、例えば、時系列データを含み得るか、又は周波数スペクトルを網羅し得る。本システムは、複数の相互依存変数又は次元のデータ系列におけるデータマイニング及び外れ値検出を強化及び改善し、改善は基本的に技術的である。改善は、異常をより効率的に特定することによって、より効率的な製造システム又は他の物理的システムをもたらし得る。システム管理者又は他のユーザは、特定された異常に基づいて改善措置、是正措置、又は他の措置をとって、製造又は他の物理的システムの全体的な効率を向上させることができる。例えば、後で取得された時系列データは、以前に検出された異常（複数可）がもはや発生しないことをユーザに示すことができる。

更に、本明細書に記載される実施形態は、技術的課題（検出された異常に基づいて、ユーザが、例えば、異常を除去するか又はそれらに対処するための措置をとることを可能にすることによって、製造又は他の物理的システムの効率を向上させること）に対して、技術的解決策（例えば、複数の相互依存変数又は次元にわたる時系列データのセットをビンに分割してから、各ビンに対してＩＱＲ分析を実施して異常を分類すること）を提供する。

「ビン」及び「群」という用語は、本開示において互換的に使用され、試験データの（より大きい又は親）セットを分割することによって作成される複数のデータセットを指す。試験データのセット（又は分割された／ビン分割された試験データのセット）は、複数のデータ点を含み得る。

試験データのセットは、試験データのセットの「タイプ」に基づいて、いくつかのビン又は群に分割され得る。試験データのセットのタイプは、例えば、測定される物理的パラメータ、内部から測定値が取得される物理的デバイス若しくはセンサ、かかるデバイス若しくはセンサの物理的成分、又はユーザ若しくはシステムによって判定されるカテゴリに依存し得る。

「ＩＱＲ方法」及び「ＩＱＲ分析」という用語は、本開示において互換的に使用され、四分位数間範囲を検出し、中央値、下限、及び上限を判定し、並びに下限及び上限を含む四分位数間範囲に基づいて外れ値を分類するか若しくは異常を検出するプロセスを指す。

図１は、本発明の一実施形態による、異常検出を容易にするための例示的な環境１００を例示している。環境１００は、デバイス１０２及び関連付けられたユーザ１１２、デバイス１０４及び関連付けられたユーザ１１４、並びにデバイス１０６を含み得る。デバイス１０２、１０４、及び１０６は、ネットワーク１２０を介して互いに通信し得る。環境１００はまた、ある期間及び周期的な間隔にわたってデータを記録することができるセンサを有する物理的物体を含み得る。例えば、環境１００は、デバイス１３２．１〜１３２．ｍ及びセンサ１３４．１〜１３４．ｎを含み得る部屋１３０と、外部温度センサ１３６とを含み得る。センサ１３４．１〜１３４．ｎは、部屋１３０内で消費される加熱、換気、及び空調（ｈｅａｔｉｎｇ，ｖｅｎｔｉｌａｔｉｏｎ，ａｎｄａｉｒｃｏｎｄｉｔｉｏｎｉｎｇ、ＨＶＡＣ）エネルギーの量、又は部屋１３０内の特定のデバイスによって消費若しくは使用されるＨＶＡＣエネルギーの量など、部屋の物理的特徴を監視し得る。外部温度センサ１３６は、同じ建物の内部であるか又は内部に部屋１３０が存在する建物の外部であるかに関わらず、部屋の外部の空気の温度を監視し得る。

動作中、センサは、それらのそれぞれの測定された試験データをデバイス１０４に送信し得る。例えば、デバイス１０４は、センサ１３４．１から試験データ１４２を取得することができ、センサ１３６から試験データ１４４を取得することもできる。試験データ１４２及び１４４は、時系列データを含むことができ、周波数スペクトルを網羅することもできる。同じ又は異なる時間において、ユーザ１１２は、部屋１３０のセンサ１３４．１〜１３４．ｎ及び外部温度センサ１３６に関連するある特定の試験データに関する異常１５２を要求するためのコマンドを送信することができ、これは、試験データ１５４入手コマンドをデバイス１０４に送信することをもたらし得る。

デバイス１０４は、試験データ１４２及び１４４を取得し得、試験データ１４２及び１４４を結合し得る。デバイス１０４は、ネットワーク１２０を介して、結合された試験データ１４６をデバイス１０６に送信し得る。結合された試験データ１４６と共に異常１５２要求コマンドを受信すると、デバイス１０６は、結合された試験データ１４６をいくつかのビンに分割し得る（関数１５４）。その後、デバイス１０６は、各ビン内のデータに対してＩＱＲ分析を実施し得る（関数１５６）。ＩＱＲ分析中、デバイス１０６は、結合された試験データ１４６から（及び具体的には、分割された試験データの各ビン又は群内の試験データ点から）試験データ点を特定することができ、これらの試験データ点は、下限及び上限がＩＱＲ分析に基づいて判定されるそれぞれのビンの下限及び上限によって定義される範囲内にはない。デバイス１０６は、ネットワーク１２０を介して、試験データ内のデータ点の分類（複数可）１５８をデバイス１０２に送信し返すことができる。

分類（複数可）１５８を受信すると、デバイス１０２は、分類（複数可）に基づいて所定の規則を実行することを含み得る措置１６０を実施し得る。例えば、所定の規則は、試験データを取得することに関与するセンサ又はデバイスに関連する物理的構成要素又はユニットを自動的に調節することを含み得る。ユーザ１１２はまた、他の履歴データを考慮して、分類された異常を再検討することを含み得る措置１６２を実施し得る。ユーザ１１２はまた、分類された異常の原因を改善又は発見することをもたらす措置を実施することができ、かかる異常が再び発生するのを防止するための手段をとることができる。

つまり、分類（複数可）１５８により、デバイス１０２及びユーザ１１２の両方が、別個のビン又は群に対して実施されるＩＱＲ分析に基づいて、強化されたデータマイニング及び外れ値検出の結果を使用することを可能にする。例えば、異常１５２要求コマンドへの応答（すなわち、分類（複数可）１５８）に基づいて、ユーザ１１２は、部屋１３０及び部屋１３０内のデバイス１３２．１〜１３２．ｍに関連付けられた製造システム又は他の物理的システムの動作及び性能に影響を及ぼし、その動作及び性能を向上させ得る措置を実施するか又はとることができる。措置は、分類された異常がもはや発生しないことを確実にするための改善措置又は是正措置であり得る。ユーザ１１２はまた、ユーザ１１２の措置が任意の以前に検出された異常の除去又は削除を含む意図された効果を有するかどうかを判定するために、その後の試験データを監視、観察、及び分類することもできる。

つまり、ユーザ１１２は、センサから取得された新しい結合された試験データと共にデバイス１０６によって受信され得る新しい異常要求コマンドを送信することができる。デバイス１０６は、データをビンに分割し、新たにビン分割されたデータに対してＩＱＲ分析を実施することができる。デバイス１０６は、デバイス１０２及びユーザ１１２に新しい分類を送信し返すことができ、これにより、デバイス１０２及びユーザ１１２が、以前に実施された措置（すなわち、それぞれ措置１６０及び１６２）が意図された効果を有するかどうか（すなわち、以前に検出された異常がもはや発生しないかどうか）を判定することを可能にする。

したがって、本明細書に記載される実施形態は、少なくとも２つの変数又は次元にわたって時系列データ内の異常検出を向上させ強化し、かつデータマイニング及び外れ値検出のためのシステム全体の効率を更に向上させるシステムを提供する。

図２Ａは、従来技術による、四分位数間範囲を判定するための例示的なダイアグラム２００を例示している。ダイアグラム２００は、青い破線によって示されるように、水平状態に表されるデータを含み得る。本システムは、表わされたデータセットを「四分位数」に分割することができ、この場合、四分位数は、ランク順序付けされたデータセットを４つの等しい部分に分割する。四分位数は、これらの部分を分離する値である。第１、第２、及び第３の四分位数は、それぞれ「Ｑ１」、「Ｑ２」、及び「Ｑ３」と呼ぶことができる。本システムは、中央値２０２を判定することができ、かつ第１の四分位数（「Ｑ１」）２０４及び第３の四分位数（「Ｑ３」）２０６を更に判定することができる。四分位数間範囲（「ＩＱＲ」）２１０は、Ｑ３とＱ１との間の差として定義され得る。ＩＱＲ（「ミッドスプレッド」又は「ミドル５０％」と呼ばれる場合もある）は、７５位の百分位数と２５位の百分位数との間、又は上位四分位数Ｑ３と下位四分位数Ｑ１との間の差に等しい。

更に、本システムは、第１の四分位数Ｑ１から、１．５などの所定の値によってスケーリングされた四分位数間範囲に等しい第１の量を減算（すなわち、Ｑ１−１．５×ＩＱＲ）することによって、下限２１２を判定し得る。本システムはまた、第３の四分位数に、所定の値によってスケーリングされた四分位数間範囲に等しい第２の量を加算（すなわち、Ｑ３＋１．５×ＩＱＲ）することによって、上限２１４を判定し得る。下限２１２及び上限２１４によって定義される範囲の外側に収まる任意のデータは、異常又は外れ値と考慮され得る。つまり、下限２１２と上限２１４との間に収まらない任意のデータ点は、異常又は外れ値として分類され得る。例えば、外れ値２２２は、上限２１４よりも大きい（すなわち、下限２１２と上限２１４との間に収まらない）データ点である。したがって、データ点２２２は、外れ値として分類される。

上で論じられるように、ＩＱＲ方法は、典型的には、１つのクラスのみの所与のデータ、すなわち、一次元データに使用される。しかしながら、他の要因又は従属変数に基づいて異なる挙動を示す二次元のデータセットでは、ＩＱＲ方法は、それ自体では十分に実施されないことがある。図２Ｂは、従来技術による、四分位数間範囲の分析に基づいて異常をうまく検出することができなかった結果の例示的なダイアグラム２３０を例示している。指標に示されるように、検出された異常２９２は小さい黒丸で示され、一次元データに対してＩＱＲ分析を使用して検出されなかった異常２９４は黒丸を囲む太字の楕円形で示される。

ダイアグラム２３０に示されるように、一次元データｙは、他の要因又は変数ｘによる効果に基づいて、ｙ｜ｘ＝ｘ_１、ｙ｜ｘ＝ｘ_２、ｙ｜ｘ＝ｘ_３、及びｙ｜ｘ＝ｘ_４の合計として構成されると仮定する。各行は、他の従属変数ｘの１つの値（例えばｘ_ｉ）に基づいて、一次元データｙに対する個々のＩＱＲ分析を表すことができる。例えば、本システムは、データｙ｜ｘ＝ｘ_１（２４０）に対してＩＱＲ２４１分析を実施し得る。ＩＱＲ２４１は、下限２４２及び上限２４４を含むことができ、この場合、これらの限度の外側に収まるデータは異常と考慮され得る。同様に、本システムは、データｙ｜ｘ＝ｘ_２（２５０）に対してＩＱＲ２５１分析を実施して、そのデータセットの異常を判定すること、データｙ｜ｘ＝ｘ_３（２６０）に対してＩＱＲ２６１分析を実施して、そのデータセットの異常を判定すること、及びデータｙ｜ｘ＝ｘ_４（２７０）に対してＩＱＲ２７１を実施して、そのデータセットの異常を判定することができる。本システムは、これらの４つのＩＱＲ分析の合計２８１を判定することができ、これは、二次元のデータセット全体の下限及び上限を判定することを含む。個々のＩＱＲ２４１、２５１、２６１、及び２７１による検出された異常のうちのいくつかは検出された異常としても合計２８１内に現れるが、合計２８１内に現れない個々のＩＱＲによるいくつかの検出された異常が依然として存在することに留意されたい。例えば、ＩＱＲ２５１による検出された異常２５２及びＩＱＲ２６１による異常２６２は、検出された異常として合計２８１内にもはや現れない。代わりに、これらの以前に検出された異常はここで、データ２６３及びデータ２５３として合計２８１の下限と上限との間に現れる。

したがって、ＩＱＲ方法を二次元データに対して直接使用することは、異常の不正確な特定、例えば、（以前に検出された）異常２５２及び２６２を見落とすか又は正しく検出することができないことをもたらすことがある。これは、不正確な結果につながる可能性があり、効率の悪い全体システムを更にもたらし得る。

図３は、本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャート３００を提示している。動作中、本システムは、第１の変数及び１つ以上の第２の変数のデータ系列（例えば、２つの時系列データｙ及びｘ、式中、ｙは異常検出の対象である）を含む試験データのセットを判定する（動作３０２）。第２のデータｘは、第１のデータｙの挙動に影響を及ぼすことが知られている。第２のデータｘについて、本システムは、データをｎ個のビンに分割する（動作３０４）。本システムは、ｉ番目のビン内のデータの指標をとり（動作３０６）（式中、ｉは０〜ｎの値である）、その指標を次の動作に渡す。第１のデータｙについて、本システムは、選択された指標（ｙ｜ｘ＝ｘ_ｉ）を有するデータを判定する（動作３１２）。本システムは、選択された指標を有するデータ（すなわち、ｉ番目のビン内のデータ）に対してＩＱＲ分析を実施する（動作３１４）。選択された指標（すなわち、ｉ番目のビン内のデータ）に対するＩＱＲ分析に基づいて、本システムは、ｉ番目のビン内の異常を判定する（動作３１６）。本システムは、判定された異常を保存することもできる。

残っているビンが存在しない（すなわち、現在の指標ｉがビンの数ｎ以上である）場合（決定３１８）、動作は戻る。残っているビンが存在する（すなわち、現在の指標ｉがビンの数ｎ未満である）場合（決定３２０）、本システムは、（ｉをｉ＋１に設定することによって）ｉを増分し、動作は動作３０６に戻る。

図４Ａは、本発明の一実施形態による、元の一次元データのセットの例示的な確率密度のグラフ４００を提示している。グラフ４００は、確率密度を示すｘ軸と、（キロワット時（Ｋｉｌｏｗａｔｔｈｏｕｒ、ｋＷｈ）で測定した場合の）「部屋１」の中で消費されたＡＣエネルギーの合計を示すｙ軸とを含み得る。グラフ４００内の赤色は、一次元データを示す。

図４Ｂは、本発明の一実施形態による、別の変数を追加した、図４Ａの一次元データの例示的な試験データのグラフ４２０を提示している。グラフ４２０は、（温度センサによってセルシウス度で測定した場合の）外部温度を示すｘ軸と、（複数のセンサによってｋＷｈで測定した場合の）部屋１の中で消費されたＡＣエネルギーの合計を示すｙ軸とを含み得る。グラフ４２０では、別の次元又は変数のデータがグラフ４００の一次元データに追加されている。グラフ４２０内の赤色は、二次元データを示す。

図４Ｃは、本発明の一実施形態による、例示的な試験データをビン又は群に分割することを含む、図４Ｂの例示的な試験データのグラフ４４０を提示している。グラフ４４０は、（温度センサによってセルシウス度で測定した場合の）外部温度を示すｘ軸と、（複数のセンサによってｋＷｈで測定した場合の）部屋１の中で消費されたＡＣエネルギーの合計を示すｙ軸とを含み得る。グラフ４４０では、垂直の青い破線は、ビン又は群間の分離を示す。つまり、本システムは、ビンの数ｎを判定し、これは、例えば、自動プロセス、アルゴリズム、データを取得することに関与するセンサ若しくは機械の解像度、又はデータに関連し、コンピューティングデバイス若しくはユーザによって取得された履歴データ若しくは知識に基づき得る。グラフ４４０では、各ビンの測定単位又はサイズは２℃である。例えば、ビン４４２は、６〜８℃の外部温度に基づいて、部屋のＡＣエネルギーの合計に関するグラフ４４０からのデータを含む。

図４Ｄは、本発明の一実施形態による、分割されたビン又は群の試験データに対して四分位数間範囲の分析を実施することを含む、図４Ｃの例示的な試験データのグラフ４６０を提示している。グラフ４６０は、（温度センサによってセルシウス度で測定した場合の）外部温度を示すｘ軸と、（複数のセンサによってｋＷｈで測定した場合の）部屋１の中で消費されたＡＣエネルギーの合計を示すｙ軸とを含み得る。グラフ４６０では、垂直の青い破線は、ビン又は群間の分離を示す。本システムは、各ビンに対してＩＱＲ分析を実施し得る。各ビンにおいて、黒い実線は上限及び下限を示し、緑の「＋」記号はそれぞれのビンの中央値を示す。グラフ４６０内の赤色は、それぞれのビンに対するＩＱＲ分析に基づいて、正常として分類されているか、又は異常若しくは外れ値としては分類されていない二次元データを示す。グラフ４６０内の青色は、それぞれのビンに対するＩＱＲ分析に基づいて、異常若しくは外れ値としては分類されている二次元データを示す。

例えば、（グラフ４４０のビン４４２に対応する）ビン４６２では、上限と下限との間（すなわち、黒い実線）に収まる赤色のデータは正常なデータ点と考慮され得る一方、上限を超えて（又は上限と下限との間の範囲の外側に）収まる青色のデータは異常なデータ点又は外れ値として考慮され得る。

図５は、本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャート５００を提示している。動作中、本システムは、コンピューティングデバイスによって、複数のデータ点を含む試験データのセットを判定し、そのセットは、第１の変数及び１つ以上の第２の変数のデータ系列を含み、１つ以上の第２の変数は、第１の変数に依存する（動作５０２）。データ系列は、時系列データを含み得るか、又は周波数スペクトルを網羅し得る。本システムは、試験データのセットをデータ系列のタイプに基づいていくつかの群に分割する（動作５０４）。本システムは、それぞれの群の四分位数間範囲を判定する（動作５０６）。本システムは、それぞれの群の四分位数間範囲に基づいて、それぞれの群内の第１の試験データ点を異常として分類し（動作５０８）、それによって、複数の変数のデータ系列についてのデータマイニング及び外れ値検出を強化する。

図６Ａは、本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャート６００を提示している。動作中、本システムは、コンピューティングデバイスによって、複数のデータ点を含む試験データのセットを判定し、そのセットは、第１の変数及び１つ以上の第２の変数のデータ系列を含む（動作６０２）。１つ以上の第２の変数は、第１の変数に依存する。本システムは、試験データのセットをデータ系列のタイプに基づいていくつかの群に分割する（動作６０４）。本システムは、それぞれの群内の第２の試験データのセットを、第２の試験データのセットの中央値に基づいて４つの部分に分割し、４つの部分を分離する３つの値は、第１の四分位数、第２の四分位数、及び第３の四分位数であり、四分位数間範囲は、第１の四分位数と第３の四分位数との間の差である（動作６０６）。本システムは、それぞれの群について、第２の試験データのセットの中央値に基づいて、第１の四分位数、第２の四分位数、第３の四分位数、及び四分位数間範囲を判定する（動作６０８）。本システムは、第１の四分位数から、所定の値によってスケーリングされた四分位数間範囲に等しい第１の量を減算することによって、第２の試験データのセットの下限を特定する（動作６１０）。本システムはまた、第３の四分位数に、所定の値によってスケーリングされた四分位数間範囲に等しい第２の量を加算することによって、第２の試験データのセットの上限を特定する（動作６１２）。本システムは、第２の試験データのセット内のそれぞれのデータ点について、それぞれの試験データ点が下限と上限との間に収まるかどうかを判定する（動作６１４）。図６ＡのラベルＡに記載されるように、この動作は継続する。

図６Ｂは、本発明の一実施形態による、異常検出を容易にするための方法を例示するフローチャート６２０を提示している。動作中、それぞれの試験データ点が下限と上限との間に収まると本システムが判定（決定６２２）した場合、本システムは、それぞれの試験データ点を正常として分類し（決定６３２）、動作は決定６２８に留まる。

それぞれの試験データ点が下限と上限との間に収まらないと本システムが判定（決定６２２）した場合、本システムは、それぞれの試験データ点を異常として分類する（動作６２４）。本システムは、コンピューティングデバイスのユーザによって、分類された異常に対処するための措置を（例えば、分類された異常がもはや発生しないことを確実にするための改善措置又は是正措置を介して、第１の変数又は第２の変数に影響を及ぼす物理的パラメータを調節することによって、及び内部からデータ系列（例えば、時系列データ）が取得されるデバイスの物理的構成要素を調節することによって）実施する（動作６２６）。動作６２６は、それぞれの群について、すべての異常が分類された後（例えば、それぞれの群内の第２の試験データのセットについて、決定６２８が「いいえ」という応答を返した後）、又は試験データのセット全体について、すべての異常が分類された後（例えば、決定６３０が「いいえ」という応答を返した後）に行われ得ることに留意されたい。

第２の試験データのセット内にいずれかの残っているデータ点が存在する場合（決定６２８）、動作は図６Ａの動作６１４に戻る。第２の試験データのセット内に残っているデータ点が存在しない場合（決定６２８）、本システムは、試験データのセット内にいずれかの残っている群が存在するかどうかを判定する（決定６３０）。存在する場合には、動作が図６Ａの動作６０６に戻る。試験データのセット内に残っている群が存在しない場合（決定６３０）、動作は戻る。

図７は、本発明の一実施形態による、異常検出を容易にする例示的な分散コンピュータ及び通信システム７０２を例示している。コンピュータシステム７０２は、プロセッサ７０４、メモリ７０６、記憶デバイス７０８を含む。メモリ７０６は、管理されたメモリとして機能する揮発性メモリ（例えば、ＲＡＭ）を含むことができ、１つ以上のメモリプールを記憶するために使用され得る。更に、コンピュータシステム７０２は、ディスプレイデバイス７１０、キーボード７１２、及びポインティングデバイス７１４に連結され得る。記憶デバイス７０８は、オペレーティングシステム７１６、コンテンツ処理システム７１８、及びデータ７３２を記憶し得る。

コンテンツ処理システム７１８は、命令を含むことができ、これらの命令は、コンピュータシステム７０２によって実行されると、コンピュータシステム７０２に本開示に記載される方法及び／又はプロセスを実施させ得る。具体的には、コンテンツ処理システム７１８は、コンピュータネットワーク（通信モジュール７２０）を介して他のネットワークノードとの間でデータパケットを送受信するための命令を含み得る。データパケットは、データ、データ系列、時系列データ、試験データ、データのセット、データ点、要求、コマンド、及び応答を含み得る。

コンテンツ処理システム７１８は、コンピューティングデバイスによって、複数のデータ点を含む試験データのセットを判定する（通信モジュール７２０及びデータ取得モジュール７２２）ための命令を更に含むことができ、そのセットは、第１の変数及び１つ以上の第２の変数のデータ系列を含み、１つ以上の第２の変数は、第１の変数に依存する。コンテンツ処理システム７１８は、試験データのセットをデータ系列のタイプに基づいていくつかの群に分割する（データ分割モジュール７２４）ための命令を更に含み得る。コンテンツ処理システム７１８は、それぞれの群の四分位数間範囲を判定する（ＩＱＲ実施モジュール７２６）ための命令を更に含み得る。コンテンツ処理システム７１８は、それぞれの群の四分位数間範囲に基づいて、それぞれの群内の第１の試験データ点を異常として分類し（データ分類モジュール７２８）、それによって、複数の変数のデータ系列についてのデータマイニング及び外れ値検出を強化する（データ分類モジュール７２８）ための命令を更に含み得る。

コンテンツ処理システム７１８はまた、コンピューティングデバイスのユーザによって、分類された異常に対処するための措置を実施する（措置実施モジュール７３０）ための命令を含むことができ、措置には、分類された異常がもはや発生しないことを確実にするための改善措置又は是正措置、第１の変数又は１つ以上の第２の変数に影響を及ぼす物理的パラメータを調節すること、及び内部からデータ系列が取得されるデバイスの物理的構成要素を調節することのうちの１つ以上が含まれる。

データ７３２は、入力として必要とされるか、又は本開示に記載される方法及び／又はプロセスによって出力されるときに生成される任意のデータを含み得る。具体的には、データ７３２は少なくとも、データと、試験データのセットと、複数のデータ点と、第１の変数と、１つ以上の第２の変数と、第１及び第２の変数の時系列データ又は周波数スペクトルと、いくつかの群又はビンと、時系列データのタイプと、四分位数間範囲と、試験データ点の分類と、異常として分類される試験データ点と、正常なデータ点として分類される試験データ点と、複数の変数の時系列データの強化されたデータマイニング及び外れ値検出のインジケータと、措置のインジケータと、改善措置又は是正措置と、第１の変数又は第２の変数に影響を及ぼす物理的パラメータのインジケータと、内部から時系列データが取得されるデバイスの物理的構成要素のインジケータと、異常検出の対象と、自動プロセスと、アルゴリズムと、アルゴリズムに基づく自動プロセスと、センサ又は機械の解像度と、以前の又は履歴データと、事前又は過去の知識と、中央値と、第１の四分位数と、第２の四分位数と、第３の四分位数と、４つの部分のインジケータと、下限と、上限と、偶数と、奇数とを記憶し得る。

図８は、本発明の一実施形態による、異常検出を容易にする例示的な装置８００を例示している。装置８００は、有線、無線、量子光、又は電気通信チャネルを介して互いに通信し得る複数のユニット又は装置を備え得る。装置８００は、１つ以上の集積回路を使用して実現することができ、図８に示されるものよりも少ないか又は多くのユニット若しくは装置を含み得る。更に、装置８００は、コンピュータシステムに統合され得るか、又は他のコンピュータシステム及び／若しくはデバイスと通信することができる別個のデバイスとして実現され得る。具体的には、装置８００は、図７のコンピュータシステム７０２のモジュール７２０〜７３０と同様の機能又は動作を実施するユニット８０２〜８１２を備えることができ、通信ユニット８０２、データ取得ユニット８０４、データ分割ユニット８０６、ＩＱＲ実施ユニット８０８、データ分類ユニット８１０、及び措置実施ユニット８１２を含む。

発明を実施するための形態に記載されるデータ構造及びコードは、典型的には、コンピュータ可読記憶媒体に記憶され、コンピュータ可読記憶媒体は、コンピュータシステムが使用するためのコード及び／又はデータを記憶することができる任意のデバイス又は媒体であり得る。コンピュータ可読記憶媒体としては、揮発性メモリ、不揮発性メモリ、非一時的コンピュータ可読記憶媒体、ディスクドライブ、磁気テープ、ＣＤ（コンパクトディスク）、ＤＶＤ（デジタル多用途ディスク若しくはデジタルビデオディスク）などの磁気及び光学記憶デバイス、又は現在知られているか若しくは今後開発されるコンピュータ可読媒体を記憶することができる他の媒体が挙げられるが、これらに限定されない。

発明を実施するための形態の節に記載される方法及びプロセスは、上に論じられるようなコンピュータ可読記憶媒体内に記憶され得るコード及び／又はデータとして具体化され得る。コンピュータシステムが、コンピュータ可読記憶媒体上に記憶されたコード及び／又はデータを読み取り、実行するとき、コンピュータシステムは、データ構造及びコードとして具体化され、コンピュータ可読記憶媒体内に記憶された方法及びプロセスを実施する。

更に、上に記載される方法及びプロセスは、ハードウェアモジュール又は装置内に含まれ得る。ハードウェアモジュール又は装置としては、特定用途向け集積回路（ａｐｐｌｉｃａｔｉｏｎ−ｓｐｅｃｉｆｉｃｉｎｔｅｇｒａｔｅｄｃｉｒｃｕｉｔ、ＡＳＩＣ）チップ、フィールドプログラマブルゲートアレイ（ｆｉｅｌｄ−ｐｒｏｇｒａｍｍａｂｌｅｇａｔｅａｒｒａｙ、ＦＰＧＡ）、特定の時間に特定のソフトウェアモジュール又はコード片を実行する専用の若しくは共有プロセッサ、及び現在知られている若しくは今後開発される他のプログラム可能論理デバイスが挙げられ得るが、これらに限定されない。ハードウェアモジュール又は装置は、起動されると、それらの内部に含まれる方法及びプロセスを実施する。

Claims

異常検出を容易にするためのコンピュータ実装方法であって、前記方法が、
コンピューティングデバイスによって、複数のデータ点を含む試験データのセットを判定することであって、前記セットが、第１の変数及び１つ以上の第２の変数のデータ系列を含み、前記１つ以上の第２の変数が、前記第１の変数に依存する、判定することと、
前記試験データのセットを前記データ系列のタイプに基づいていくつかの群に分割することと、
それぞれの群の四分位数間範囲を判定することと、
前記それぞれの群の前記四分位数間範囲に基づいて、前記それぞれの群内の第１の試験データ点を異常として分類することと、
それによって、複数の変数の前記データ系列についてのデータマイニング及び外れ値検出を強化することと、を含む、方法。
前記コンピューティングデバイスのユーザによって、前記分類された異常に対処するための措置を実施することを更に含み、
前記措置には、
前記分類された異常がもはや発生しないことを確実にするための改善措置又は是正措置、
前記第１の変数又は前記１つ以上の第２の変数に影響を及ぼす物理的パラメータを調節すること、及び
内部から前記データ系列が取得されるデバイスの物理的構成要素を調節すること、のうちの１つ以上が含まれる、請求項１に記載の方法。
前記コンピューティングデバイスによって、試験データの新しいセットの異常を検出するための要求を受信することであって、前記新しいセットが、前記第１の変数及び前記１つ以上の第２の変数の新しいデータ系列を含み、
前記試験データの新しいセットは、前記ユーザが前記分類された異常に対処するために前記措置を実施した後に、前記コンピューティングデバイスによって取得される、受信することと、
前記試験データの新しいセットを、前記試験データのセットの前記いくつかの群と同じ数の新しい群に分割することと、
内部の前記第１の試験データ点が異常として分類された前記それぞれの群に対応する、それぞれの新しい群の四分位数間範囲を判定することと、
前記それぞれの群内の前記第１の試験データ点が、前記それぞれの新しい群内で依然として発生しているかどうかを判定することであって、前記判定が、前記分類された異常に対処するために前記ユーザによって実施された前記措置が成功しているかどうかを示す、判定することと、を更に含む、請求項２に記載の方法。
前記試験データのセットを前記いくつかの群に分割することが、
アルゴリズムに基づく自動プロセス、
前記試験データのセットを取得することに関与するセンサ又は機械の解像度、
前記試験データのセットに関連する以前の又は履歴データであって、前記コンピューティングデバイスによって取得される、以前の又は履歴データ、
前記コンピューティングデバイスのユーザの事前又は過去の知識であって、前記試験データのセットに関連し、かつ前記コンピューティングデバイスの前記ユーザによって取得される、事前又は過去の知識、並びに
より高い次元のデータセットの重要な変数を表す構成要素に基づいて、前記試験データのセットのデータ分布を分解することであって、前記構成要素が、主要構成要素、導出された構成要素の結合、及び構成要素の線形結合のうちの１つ以上を含む、分解すること、のうちの１つ以上に基づいており、
前記それぞれの群の前記四分位数間範囲を判定することが、前記構成要素に基づいて、四分位数分析を実施することを更に含む、請求項１に記載の方法。
前記試験データのセットを分割すること、及び前記それぞれの群の前記四分位数間範囲を判定することが、
異常として分類される試験データ点の存在を含む、前記試験データのセット内の前記分割された群にわたる複数の従属変数に基づいて、前記試験データのセット内の正規分布を自動的に分類することを更に含む、請求項１に記載の方法。
前記データ系列が、前記第１の変数及び前記１つ以上の第２の変数の時系列データを含み、
前記第１の変数の前記時系列データが、前記異常検出の対象であり、
前記１つ以上の第２の変数の前記時系列データが、前記第１の変数の前記時系列データに影響を及ぼす、請求項１に記載の方法。
前記それぞれの群の前記四分位数間範囲を判定することが、
前記それぞれの群内の第２の試験データのセットを、前記第２の試験データのセットの中央値に基づいて４つの部分に分割することであって、
前記４つの部分を分離する３つの値が、第１の四分位数、第２の四分位数、及び第３の四分位数であり、
前記四分位数間範囲が、前記第１の四分位数と前記第３の四分位数との間の差である、分割することと、
前記第１の四分位数から、所定の値によってスケーリングされた前記四分位数間範囲に等しい第１の量を減算することによって、前記第２の試験データのセットの下限を特定することと、
前記第３の四分位数に、前記所定の値によってスケーリングされた前記四分位数間範囲に等しい第２の量を加算することによって、前記第２の試験データのセットの上限を特定することと、を更に含む、請求項１に記載の方法。
前記それぞれの群内の前記第１の試験データ点を異常として分類することが、前記第１の試験データ点が前記下限と前記上限との間に含まれないと判定することに更に基づく、請求項７に記載の方法。
前記第２の試験データのセット内のデータ点の数が偶数２ｎ個であると判定することに応答して、前記方法が、
前記第１の四分位数を、前記第２のセット内のｎ個の最小データ点の中央値として設定することと、
前記第３の四分位数を、前記第２のセット内のｎ個の最大データ点の中央値として設定することと、を更に含み、
前記第２の試験データのセット内のデータ点の数が奇数２ｍ＋１個であると判定することに応答して、前記方法が、
前記第１の四分位数を、前記第２のセット内のｍ個の最小データ点の中央値として設定することと、
前記第３の四分位数を、前記第２のセット内のｍ個の最大データ点の中央値として設定することと、
前記第２の四分位数を、前記第２のセット内のデータ点の通常の中央値として設定することと、を更に含む、請求項７に記載の方法。
異常検出を容易にするためのコンピュータシステムであって、
プロセッサと、
前記プロセッサによって実行されると、前記プロセッサにある方法を実施させる命令を記憶する記憶デバイスと、を備え、前記方法が、
前記コンピュータシステムによって、複数のデータ点を含む試験データのセットを判定することであって、前記セットが、第１の変数及び１つ以上の第２の変数のデータ系列を含み、前記１つ以上の第２の変数が、前記第１の変数に依存する、判定することと、
前記試験データのセットを前記データ系列のタイプに基づいていくつかの群に分割することと、
それぞれの群の四分位数間範囲を判定することと、
前記それぞれの群の前記四分位数間範囲に基づいて、前記それぞれの群内の第１の試験データ点を異常として分類することと、
それによって、複数の変数の前記データ系列についてのデータマイニング及び外れ値検出を強化することと、を含む、コンピュータシステム。
前記方法が、
前記コンピュータシステムのユーザによって、前記分類された異常に対処するための措置を実施することを更に含み、
前記措置には、
前記分類された異常がもはや発生しないことを確実にするための改善措置又は是正措置、
前記第１の変数又は前記１つ以上の第２の変数に影響を及ぼす物理的パラメータを調節すること、及び
内部から前記データ系列が取得されるデバイスの物理的構成要素を調節すること、のうちの１つ以上が含まれる、請求項１０に記載のコンピュータシステム。
前記方法が、
前記コンピューティングデバイスによって、試験データの新しいセットの異常を検出するための要求を受信することであって、前記新しいセットが、前記第１の変数及び前記１つ以上の第２の変数の新しいデータ系列を含み、
前記試験データの新しいセットは、前記ユーザが前記分類された異常に対処するために前記措置を実施した後に、前記コンピューティングデバイスによって取得される、受信することと、
前記試験データの新しいセットを、前記試験データのセットのいくつかの群と同じ数の新しい群に分割することと、
内部の前記第１の試験データ点が異常として分類された前記それぞれの群に対応する、それぞれの新しい群の四分位数間範囲を判定することと、
前記それぞれの群内の前記第１の試験データ点が、前記それぞれの新しい群内で依然として発生しているかどうかを判定することであって、前記判定が、前記分類された異常に対処するために前記ユーザによって実施された前記措置が成功しているかどうかを示す、判定することと、を更に含む、請求項１１に記載のコンピュータシステム。
前記試験データのセットを前記いくつかの群に分割することが、
アルゴリズムに基づく自動プロセス、
前記試験データのセットを取得することに関与するセンサ又は機械の解像度、
前記試験データのセットに関連する以前の又は履歴データであって、前記コンピューティングデバイスによって取得される、以前の又は履歴データ、
前記コンピューティングデバイスのユーザの事前又は過去の知識であって、前記試験データのセットに関連し、かつ前記コンピューティングデバイスの前記ユーザによって取得される、事前又は過去の知識、並びに
より高い次元のデータセットの重要な変数を表す構成要素に基づいて、前記試験データのセットのデータ分布を分解することであって、前記構成要素が、主要構成要素、導出された構成要素の結合、及び構成要素の線形結合のうちの１つ以上を含む、分解すること、のうちの１つ以上に基づいており、
前記それぞれの群の前記四分位数間範囲を判定することが、前記構成要素に基づいて、四分位数分析を実施することを更に含む、請求項１０に記載のコンピュータシステム。
前記試験データのセットを分割し、前記それぞれの群の前記四分位数間範囲を判定することが、
異常として分類される試験データ点の存在を含む、前記試験データのセット内の前記分割された群にわたる複数の従属変数に基づいて、前記試験データのセット内の正規分布を自動的に分類することを更に含む、請求項１０に記載のコンピュータシステム。
前記データ系列が、前記第１の変数及び前記１つ以上の第２の変数の時系列データを含み、
前記第１の変数の前記時系列データが、前記異常検出の対象であり、
前記１つ以上の第２の変数の前記時系列データが、前記第１の変数の前記時系列データに影響を及ぼす、請求項１０に記載のコンピュータシステム。
前記それぞれの群の前記四分位数間範囲を判定することが、
前記それぞれの群内の第２の試験データのセットを、前記第２の試験データのセットの中央値に基づいて４つの部分に分割することであって、
前記４つの部分を分離する３つの値が、第１の四分位数、第２の四分位数、及び第３の四分位数であり、
前記四分位数間範囲が、前記第１の四分位数と前記第３の四分位数との間の差である、分割することと、
前記第１の四分位数から、所定の値によってスケーリングされた前記四分位数間範囲に等しい第１の量を減算することによって、前記第２の試験データのセットの下限を特定することと、
前記第３の四分位数に、前記所定の値によってスケーリングされた前記四分位数間範囲に等しい第２の量を加算することによって、前記第２の試験データのセットの上限を特定することと、を更に含む、請求項１０に記載のコンピュータシステム。
前記それぞれの群内の前記第１の試験データ点を異常として分類することが、前記第１の試験データ点が前記下限と前記上限との間に含まれないと判定することに更に基づく、請求項１６に記載のコンピュータシステム。
前記第２の試験データのセット内のデータ点の数が偶数２ｎ個であると判定することに応答して、前記方法が、
前記第１の四分位数を、前記第２のセット内のｎ個の最小データ点の中央値として設定することと、
前記第３の四分位数を、前記第２のセット内のｎ個の最大データ点の中央値として設定することと、を更に含み、
前記第２の試験データのセット内のデータ点の数が奇数２ｍ＋１個であると判定することに応答して、前記方法が、
前記第１の四分位数を、前記第２のセット内のｍ個の最小データ点の中央値として設定することと、
前記第３の四分位数を、前記第２のセット内のｍ個の最大データ点の中央値として設定することと、
前記第２の四分位数を、前記第２のセット内のデータ点の通常の中央値として設定することと、を更に含む、請求項１６に記載のコンピュータシステム。
コンピュータによって実行されると、前記コンピュータにある方法を実施させる命令を記憶する非一時的コンピュータ可読記憶媒体であって、前記方法が、
前記コンピュータによって、複数のデータ点を含む試験データのセットを判定することであって、前記セットが、第１の変数及び１つ以上の第２の変数のデータ系列を含み、前記１つ以上の第２の変数が、前記第１の変数に依存する、判定することと、
前記試験データのセットを前記データ系列のタイプに基づいていくつかの群に分割することと、
それぞれの群の四分位数間範囲を判定することと、
前記それぞれの群の前記四分位数間範囲に基づいて、前記それぞれの群内の第１の試験データ点を異常として分類することと、
それによって、複数の変数の前記データ系列についてのデータマイニング及び外れ値検出を強化することと、を含む、非一時的コンピュータ可読記憶媒体。
前記方法が、
前記コンピュータのユーザによって、前記分類された異常に対処するための措置を実施することであって、前記措置が、
前記分類された異常がもはや発生しないことを確実にするための改善措置又は是正措置、
前記第１の変数又は前記第２の変数に影響を及ぼす物理的パラメータを調節すること、及び
内部から前記データ系列が取得されるデバイスの物理的構成要素を調節すること、のうちの１つ以上を含む、実施することと、
前記コンピュータによって、試験データの新しいセットの異常を検出するための要求を受信することであって、前記新しいセットが、前記第１の変数及び前記１つ以上の第２の変数の新しいデータ系列を含み、
前記試験データの新しいセットは、前記ユーザが前記分類された異常に対処するために前記措置を実施した後に、前記コンピューティングデバイスによって取得される、受信することと、
前記試験データの新しいセットを、前記試験データのセットのいくつかの群と同じ数の新しい群に分割することと、
内部の前記第１の試験データ点が異常として分類された前記それぞれの群に対応する、それぞれの新しい群の四分位数間範囲を判定することと、
前記それぞれの群内の前記第１の試験データ点が、前記それぞれの新しい群内で依然として発生しているかどうかを判定することであって、前記判定が、前記分類された異常に対処するために前記ユーザによって実施された前記措置が成功しているかどうかを示す、判定することと、を更に含む、請求項１９に記載の記憶媒体。